Meshy 3D Agent 用自定义技能做角色设计：从一张参考图到 12 格分镜
Meshy 3D Agent 支持用自定义技能完成角色设计，输入一张参考图后逐步确认概念、三视图、角色设定图、故事到 12 格分镜。这是 Meshy 3D 美术团队使用 Meshy 系列展示的第一期（Ep.1）。
#图像生成
RadarAIAI 评分2222 GitHubAI 评分2222 LobeHub 的 lobe-icons 图标库：支持 GPT、Claude、LLaMA 等品牌图标
LobeHub 的 lobe-icons 图标库提供覆盖 GPT、Claude、LLaMA、Gemini、Qwen 等模型与厂商品牌的 SVG 图标集，支持 tree-shakable 按需引入以减小打包体积。该库通过 npm 包 @lobehub/icons 安装，并提供 SVG、PNG、WEBP 三种格式的 CDN 静态包。
GitHubAI 评分3030 PIXAL-3D：把照片一键转成 3D 模型的本地桌面应用
PIXAL-3D 是一款基于 ComfyUI 的免费桌面应用，可将普通照片一键转换为可交互的 GLB 格式 3D 模型，全程本地离线运行，图片不上传云端。官方建议配置为 NVIDIA GTX 1070 及以上（8GB 显存）、16GB 内存和 10GB 可用空间，在 RTX 3080 上每张图约需 3 分钟。
GitHubAI 评分1818 Archivist-Project-Denoiser：用 Real-ESRGAN 修复赛璐璐动画
Archivist-Project-Denoiser 是一款面向赛璐璐动画的 AI 修复套件，内置专用 Real-ESRGAN 模型和基于物理的退化模拟器，可对动画素材去噪与增强。
Hacker NewsAI 评分1818 Felicity：Windows 离线人脸分组照片整理工具
Felicity 是一款面向 Windows 的离线人脸识别照片整理工具，可自动在整个照片库中找出并分组同一人物的照片，无需手动打标或确认人脸。应用完全离线运行，无遥测、无广告、无订阅或一次性付费，并内置色盲、对比度及阅读障碍友好等无障碍支持。新版本 0.8.2 将在 24 小时内发布，源码可查看但采用 Source Available 许可，禁止再分发。
GitHubAI 评分2222 GeoImageTagger：AI 图片地理标记与元数据平台，含 9 款免费浏览器工具
GeoImageTagger 是一个 AI 图片地理标记与元数据平台，提供 9 款免费浏览器端工具，涵盖 AI 图片打标、元数据查看与编辑、EXIF 移除、AI 位置查找、压缩、格式转换、水印和图片编辑。
GitHubAI 评分6060 degausai 发布 wonda：在终端用 CLI 生成图像、视频、音乐并发布到社交平台
degausai 发布 wonda，一个在终端通过 CLI 完成图像、视频、音乐、音频生成与剪辑并发布到 Instagram、TikTok 等平台的内容工具，支持 npm 与 brew 安装。
Hacker NewsAI 评分6262 ComfyUI Durable 发布：崩溃后自动重启并从断点继续任务
ComfyUI Durable 是一个 ComfyUI 自定义节点，在 ComfyUI 崩溃或被杀掉后自动重启进程、恢复队列，并从最后保存的采样步继续任务，而不是从第 1 步重跑。
Hacker NewsAI 评分4646 无法游玩的圆珠笔海战游戏 Ink Armada：作者用 Claude Fable 5.1 亲手复刻
针对 X 上一条宣称由未公布的 "Fable 5.2" 生成、播放量超 60 万的圆珠笔风格海战游戏视频 Ink Armada 却无任何可玩链接，作者用 Claude Fable 5.1 在 Claude 应用中自行复刻了这款游戏。成品为单个 53 KB 的自包含 HTML 文件，基于 Canvas 2D、无依赖无 CDN，可离线双击运行，所有船只与波浪均由模拟笔触的折线绘制，不含任何图片素材。
Hacker NewsAI 评分5858 Photon Studio 发布免费桌面修图工具，支持 PSD 图层与本地 AI 选区
Tenzen 发布 Photon Studio，一款面向 macOS、Windows 和 Linux 的免费桌面修图工具，可打开带图层的 PSD/PSB 文件并原样保存回去，沿用 Photoshop 的默认快捷键与菜单布局。
Hacker NewsAI 评分2222 Novella.ink：用 AI 把故事和照片做成定制插画书，$69 起
Novella.ink 上线，用户讲述故事、上传照片后，由 AI 图像模型绘制成 24 页精装插画书，7.5 x 7.5 英寸全彩印刷，定价 $69 起，含数字版，美国本土免运费。三档方案 Classic $69、Signature $79、Masterpiece $119，分别提供 10/15/20 张照片绘制与 15/30/50 次页面重绘额度，印刷前取消可退 70%。
GitHubAI 评分1212 localizing-visual-splices：图像拼接检测与定位工具
GitHub 项目 localizing-visual-splices 提供图像拼接检测与定位功能，结合取证信号分析与深度定位技术，可高亮标出图中被篡改的区域。工具支持 JPEG、PNG、BMP 格式，提供 Windows、macOS、Linux 版本下载，需 Python 3.7 及以上、至少 4 GB 内存和 500 MB 磁盘空间。
404 MediaAI 评分6666 Graylark 的 Raven 工具可凭单张室内照片定位具体住宅
Graylark Technologies 的 AI 工具 Raven 新增功能，允许警方仅凭一张室内照片几乎即时判断出照片拍摄于哪一栋住宅，其数据明显来自 Zillow、Airbnb 等网站。
GitHubAI 评分4848 Chrome 扩展 image-reality-check：离线检测 AI 生成图像与美颜滤镜
开源 Chrome 扩展 image-reality-check 可在浏览器本地检测 AI 生成图像、美颜滤镜与修图痕迹，全程离线、零网络请求。它通过频域、噪声、色彩、纹理、对称性、边缘 6 个维度识别 AI 图像，并用 ELA 热力图标记篡改区域，借助 BlazeFace 分析面部皮肤纹理方差判断美颜滤镜，同时自动跳过截图。
GitHubAI 评分2222 FaunaFlora AI：物种识别与生物多样性智能系统
FaunaFlora AI 是一个全栈生物多样性平台，可从照片或文本查询识别物种，结合多阶段 ML 流水线、Grad-CAM 可解释性、GBIF + Leaflet 地理观测地图与 IUCN Red List 保护评级。
Hacker NewsAI 评分2626 Shotie：用代码生成 App Store 截图的 Mac 应用
Shotie 是一款原生 macOS 26 应用，可从代码或模拟器生成 App Store 与 Google Play 截图，支持全部商店语言并一键打包导出。用户可用自然语言让 Claude Code、OpenAI Codex 或 Gemini CLI 修改截图，标题会按真实渲染检查适配与对比度。所有渲染与导出均在本地完成，无需服务器，年付 €24.99、终身 €59.99。
Hacker NewsAI 评分2020 VFitly 虚拟试衣：一张照片生成穿搭视频
VFitly 提供基于图像的虚拟试穿，用户上传本人照片和服装图片，AI 即可生成穿搭预览，还可生成试穿视频。该工具在浏览器内运行，支持从商品链接抓取服装图片，并可将常穿单品存入衣橱以便重复试穿。VFitly 不寄送实物，也无法确认实际合身度，官方建议仅用于早期筛选颜色与版型，购买前仍需向卖家确认尺寸、材质和退货条件。
GitHubAI 评分6060 PotionUI 发布 Alpha 0.0.15：自托管图像视频音频生成工作室
PotionUI 发布 Alpha 0.0.15，这是一个自托管生成工作室，可在自有 GPU 上运行 SDXL、Flux、Qwen-Image、Krea-2、Wan、LTX、MiniMax 和 YuE2 等图像、视频与音频模型，采用 GPL-3.0 开源许可。
GitHubAI 评分2222 VisuTry：基于 Google Nano Banana 的 AI 虚拟眼镜试戴应用
VisuTry 是一款 AI 虚拟眼镜试戴应用，用户上传照片和眼镜图片即可预览佩戴效果，试戴由 Google Nano Banana 驱动。项目采用 Next.js 14、React 18、TypeScript、PostgreSQL + Prisma 构建，集成 Auth0 登录与 Stripe 支付，支持免费试用和高级订阅，并部署在 Vercel 上，采用 MIT 许可证开源。
GitHubAI 评分2323 GraphCanvasAgent：自然语言驱动的多模态图像编辑智能体
GraphCanvasAgent 是一个基于 React 19 + FastAPI + LangChain/LangGraph + Konva 构建的全栈 AI 图像编辑智能体，通过 LangGraph 状态机将复杂修图意图拆解为多步执行计划。
GitHubAI 评分2222 rubikproxy 开源 AI 人脸识别考试系统，支持口罩检测与座位分配
rubikproxy 在 GitHub 开源 AI-Face-Recognition-Exam-System，用 MTCNN 检测人脸、FaceNet 生成人脸嵌入向量，再通过 SVM 完成学生身份认证，并自动分配座位、记录考勤。
GitHubAI 评分5252 Open Photo AI 发布：Topaz Photo AI 的开源替代，支持 Windows、macOS 和 Linux
开发者 Vinicius Egidio 发布开源图像增强工具 Open Photo AI，作为 Topaz Photo AI 的替代方案，提供 Windows、macOS 和 Linux 版本，采用 AGPL-3.0 许可。
GitHubAI 评分1212 Nano Banana：Photoshop 免费 AI 修复插件
Nano Banana 是一款免费 Photoshop 插件，将 "Nano Banana PRO" AI 修复技术集成进 Adobe Photoshop，支持移除物体、填补缺失区域、修复老照片和扩展背景。插件仅支持 Windows 10/11，需 Photoshop 2022（v23）及以上版本，建议 8 GB 以上内存，安装时需以管理员身份运行 Plugin_setup.exe。
GitHubAI 评分1212 dream-loop：免费 Windows 应用，用自然语言自动生成 3D 视觉
dream-loop 是一款免费 Windows 应用，用户输入自然语言描述即可自动生成 3D 图像与动画，底层调用 Blender 但无需自行操作。它内置质量检查子智能体，会审查每次结果并给出改进建议，支持反复迭代优化。多数图像在 30 秒至 2 分钟内生成，要求 Windows 10/11 64 位、至少 8 GB 内存和 4 GB 磁盘空间，生成结果可商用。
arXiv cs.AIAI 评分2020 EXAQC 进化框架实现图像分类的混合量子-经典架构自动搜索
EXAQC 进化框架被扩展至图像分类，自动搜索参数化量子电路作为中间处理模块，在 MNIST、Fashion-MNIST 和 CIFAR-10 上分别达到 98.42%、90.62% 和 85.47% 准确率，门数量与其他量子架构搜索方法相当。
arXiv cs.AIAI 评分2424 什么决定了对抗样本在 Deepfake 检测器之间的迁移性？
研究对 60 个 Deepfake 检测器开展受控评估，覆盖六种骨干网络、两种预训练方式和五种训练数据配置，采用 AutoAttack（AA）与 CW-EOT 两种攻击。
arXiv cs.AIAI 评分2525 TDDN：面向拼图理解的对齐文本扩散 DINO 网络
研究者提出 TDDN，将 DINOv3 与 CleanDIFT 表示融合为感知编码器 DiffusedDINO，并与 RoBERTa-L 对齐，在冻结骨干、仅约 590K 对齐样本下超越 CLIP ViT-L/14。
arXiv cs.AIAI 评分2222 基于真实硬件噪声量子扩散的物理启发生成式 AI 模型
研究者提出并实现两种物理启发的量子扩散模型协议，用于生成式 AI。第一种利用量子随机游走形式，在前向过程中让量子与经典动力学特定交互，生成 MNIST 图像时 FID 低于纯经典动力学；第二种仅用 4 个 qubit 的 IBM 真实量子硬件，利用其固有噪声生成图像，将量子噪声作为资源而非加以缓解或纠正。
arXiv cs.AIAI 评分2222 WoundAmbit：连接最先进语义分割与真实世界伤口护理
研究团队提出 WoundAmbit 框架，将 AI 生成的伤口分割掩码通过参考物方法转换为临床伤口尺寸估计，并集成到远程医疗系统中。
arXiv cs.AIAI 评分2222 Conditional-Vendi：面向生成式 AI 模型与 LLM 的提示词感知多样性评估
研究者提出 Conditional-Vendi 与 Conditional-RKE 两项多样性指标，基于半正定矩阵的条件熵，用于在提示词引导的生成中剥离提示词带来的变异、单独衡量模型自身的多样性。
arXiv cs.AIAI 评分2929 Hide and Seek（HnS）：无需模型权重与标注数据的概念级归因方法
研究者提出概念级归因方法 Hide and Seek（HnS），无需访问模型权重或标注概念数据集，即可解释黑盒视觉模型。HnS 借助视觉语言模型检索概念对齐图像、定位并遮蔽概念区域，通过对比遮蔽前后黑盒模型输出的变化来度量归因，支持图像级局部归因。在 CelebA 和 COCO-Stuff 上，HnS 与真实归因的一致性优于现有方法，并可用于图像描述和卫星图像分割等任务。
arXiv cs.AIAI 评分2222 ECC：基于点击率驱动与属性解耦的广告图像编辑方法
针对电商广告创意优化，研究者提出 ECC 方法，将创意优化重构为细粒度编辑而非从零生成，选择性优化损害 CTR 的属性并保留有益属性。ECC 通过 ANOVA 和随机森林回归识别出 28 个与 CTR 显著相关的属性，并引入一致偏好优化（CPO）策略，通过对语义等价的乱序建议施加一致性约束来缓解 DPO 过拟合。
arXiv cs.CLAI 评分2222 文本到图像 Transformer 中的注意力汇：扩散模型与自回归模型对比研究
研究系统分析了文本到图像 Transformer 中的注意力汇现象，发现双向扩散模型和自回归模型中均存在注意力汇，但模式截然不同：自回归模型集中于首个 token 和全局 token，双向模型则出现在模态边界、文本区域和空间角落。扰动汇相关注意力头比非汇头产生更大平均变化，引入 register token 可重新分配注意力汇且部分配置能保持或略微提升生成性能。
GitHubAI 评分1818 athif2105 发布 AI-Driven Real Estate Staging 虚拟家居布置工具
GitHub 项目 athif2105/AI-Driven-Real-Estate-Staging-Designers-Virtual-Home-Staging-Tool 提供一款 AI 虚拟家居布置工具，可将空房间图片生成布置好的室内效果图。
GitHubAI 评分1414 Qwen-Image-Edit-StreamDiffusion：用 Qwen-Image-Edit-2509 实现实时图像编辑
一个名为 Qwen-Image-Edit-StreamDiffusion 的仓库，借助 StreamDiffusion 思路，用 Qwen-Image-Edit-2509 模型实现实时图像编辑，速度最高提升 20 倍。该仓库目前仅有 README，获 1 颗 star，无 release 与贡献者信息。
GitHubAI 评分6666 SPITE 开源 AI 影像制作工作台发布，节点画布加 Flow 线性生成模式
SPITE 是一个开源的 AI 影像制作工作台，提供节点式无限画布 Canvas 和线性提示词生成模式 Flow，桌面与移动端均可用，用户自带 API key 并直接向服务商付费。
GitHubAI 评分2222 DiffusionOPD：面向扩散模型的在策略蒸馏工具
DiffusionOPD 是一个用于扩散模型知识蒸馏的 Windows 工具，通过 on-policy distillation 压缩模型，在保持生成质量的同时降低算力开销。软件要求 Windows 10/11 64 位、16 GB 内存及至少 8 GB VRAM 的 NVIDIA GPU，提供 Auto-Optimize 参数设置与新旧模型并排对比的评估视图。
GitHubAI 评分3838 dgenerate：可脚本化的命令行图像与视频生成编辑工具
dgenerate 是一款可脚本化的命令行工具与库，支持用 SD、SDXL、SD3、Flux、Flux.2、Z-Image、Qwen-Image、Kolors 等架构生成图像，并通过 --model-type ltx 调用 LTX-2.5、--model-type wan 调用 Wan 2.1/2.2 生成整段视频。
GitHubAI 评分2222 Kiontin/Face-Swapping-Tool：实时换脸工具
GitHub 项目 Kiontin/Face-Swapping-Tool 提供实时换脸功能，用户只需摄像头画面加一张 PNG 图片即可完成换脸。该工具支持 Windows 10 及以上、macOS 和现代 Linux 发行版，需 Python 3.6 或更高版本，采用 MIT 许可证，并提供 .exe 等安装文件下载。
GitHubAI 评分2222 nano-banana-cli：基于 Gemini 模型的命令行图像生成工具
nano-banana-cli 是一款基于 Google Gemini 模型的命令行图像工具，支持文本提示词生成图像、编辑现有图片、生成应用图标和无缝平铺图案，以及缩放、裁剪、旋转、翻转、去背景和合并为精灵图等操作。